Online Class Imbalance Learning for Fault Diagnosis of Critical Infrastructure Systems

Información del proyecto

FAULT-LEARNING

Identificador del acuerdo de subvención: 867433

DOI

10.3030/867433

Proyecto cerrado

Fecha de la firma de la CE 13 Septiembre 2019

Fecha de inicio 1 Octubre 2019

Fecha de finalización 14 Octubre 2021

Financiado con arreglo a

• SPREADING EXCELLENCE AND WIDENING PARTICIPATION

Coste total

€ 157 941,12

Aportación de la UE

€ 157 941,12

Coordinado por

UNIVERSITY OF CYPRUS
Cyprus

Descripción del proyecto

Una forma nueva de detectar fallos en estructuras críticas

Las infraestructuras críticas son la base de la sociedad, pues ofrecen bienes y servicios imprescindibles. Los fallos, averías y roturas, en las infraestructuras críticas pueden generar pérdidas económicas enormes, razón por la que es fundamental detectarlos a tiempo. El proyecto financiado con fondos europeos FAULT-LEARNING diseñará y desarrollará un motor de diagnóstico de fallos basado en el aprendizaje en línea con el que controlar y analizar datos en tiempo real según se generan en los sistemas de las infraestructuras críticas. Incluirá capacidades de aprendizaje en línea y abordará desequilibrios de clase, lo cual es todo un reto para los sistemas de aprendizaje ya que los fallos no son sucesos de alta probabilidad. El proyecto también creará un prototipo de sensor para el diagnóstico de fallos que se evaluará en un banco de pruebas físico para edificaciones inteligentes a fin de lograr pruebas eficientes en condiciones realistas.

Objetivo

The aim of the project is to design and develop an online learning-based fault diagnosis engine with adaptation capabilities. This engine will monitor and analyse data arriving in real time from critical infrastructure (CI) systems, to accurately detect a potential fault and effectively isolate and identify its exact location. Modern society relies heavily on the availability and smooth operation of CI systems, such as electrical power systems, water distribution systems and telecommunication networks. In such large-scale, complex engineering systems when a failure occurs due to faults, it can have severe societal, health and economic consequences. The sequential arrival of data in CI systems calls for a fault diagnosis engine with adaptive behaviour to achieve and maintain optimal performance. However, the vast majority of existing work falls short on this requirement. This project will incorporate online learning capabilities to achieve adaptability and will also address class imbalance, a major challenge for learning systems, arising from the fact that faults are low probability events. Online class imbalance learning (OCIL) is an emerging research topic focusing on the combined challenges of online learning and class imbalance. We will shed light on supervised OCIL as very few methods currently deal with this problem and address for the first time the unsupervised and semi-supervised OCIL problems. The proposed algorithms will be evaluated in realistic fault diagnosis datasets from industrial partners and in an advanced Smart Buildings simulator allowing us to run sensor fault scenarios in large-scale multi-zone buildings. Furthermore, a prototype on sensor fault diagnosis will be delivered that will be evaluated on a physical Smart Buildings testbed to enable its efficient testing under realistic conditions. Overall, this novel and interdisciplinary project will provide invaluable insights on incorporating learning capabilities in CI systems fault diagnosis.

Ámbito científico (EuroSciVoc)

• ingeniería y tecnología › ingeniería eléctrica, ingeniería electrónica, ingeniería de la información › ingeniería electrónica › sensores

Programa(s)

• H2020-EU.4. - SPREADING EXCELLENCE AND WIDENING PARTICIPATION PROGRAMA PRINCIPAL
  

Tema(s)

• WF-01-2018 - Widening Fellowships
  

Régimen de financiación

MSCA-IF-EF-ST - Standard EF

Convocatoria de propuestas

H2020-WF-2018-2020

Coordinador

UNIVERSITY OF CYPRUS

• Aportación neta de la UEn: € 157 941,12
• Dirección: AVENUE PANEPISTIMIOU 2109 AGLANTZI ; 1678 Nicosia ; Chipre
• Región: Κύπρος › Κύπρος › Κύπρος
• Tipo de actividad: Higher or Secondary Education Establishments
• Coste total: € 157 941,12